[发明专利]一种图案布匹瑕疵在线视觉检测方法

权利要求书

1.一种图案布匹瑕疵的在线视觉检测方法，其特征是，通过距离叠加函数以及极值权重分析，精确求取图案布匹纹理基元周期；提取标准纹理基元，并创建无瑕疵基元偏移图像簇；最后提取与待检测图像块间能量信息，依此构建双层分类机制用以决策是否含有瑕疵，较好的解决了图案布匹特征难以提取、瑕疵难以检测的问题；具体包括以下几个步骤：

(1)离线学习过程中纹理基元周期精确求取，包括距离叠加函数求取以及极值权重分析；

(2)离线学习过程中创建标准无瑕疵基元偏移图像簇L_std，并提取能量以及方差信息构建第一层分类模糊分类器；

(3)在线检测过程中提取待检测基元特征，用模糊分类器分类；

(4)在线检测过程中构建精确分类器，确定最终检测结果。

2.根据权利要求1所述一种图案布匹瑕疵的在线视觉检测方法，其特征是：所述步骤(1)中纹理基元周期精确求取，包括以下步骤：

第一步、计算行(列)距离叠加函数；

记标准无瑕疵图像为[f(i，j)]，其中i(1≤i≤p)，j(1≤j≤q)分别为行和列坐标，求取标准无瑕疵图像的每行的距离函数：将每一行距离叠加函数累加，得整幅图像的行距离叠加函数为：

λ1(δ)=Σi=1pλ1i=Σi=1pΣj=1q-δ[g(i,j)-g(i,j+δ)]2]]>

同样方法得出列距离累加函数为：λ2(δ)=Σj=1qλ2i=Σj=11Σi=1p-δ[g(i,j)-g(i+δ,j)]2;]]>

然后分别计算行距离累加函数的极小值点，记行距离叠加函数的N个极小值点分别为p₁，p₂，...，P_N；

第二步、极值点权重分析

首先用冒泡排序法对行距离累加函数的N个极小值点P₁，P₂...，P_N升序排列，记排例后序例Q为Q₁，Q₂...，Q_N；

然后对于Q₁计算其与每一个Q₁的距离，其中Q₁在升序排列后序列Q中比Q₁先出现即1≤i≤j，记Q₁所求距离的最小值为D₁，可得距离最小值序列D为D₁，D₂，...，D_N，此距离即为此极小值点权重；

最后对D₁降序排列，排列后极值点对应顺序即为其权重降序排列表，舍弃权重相对较小极值点；

第三步、计算权重分析后行距离叠加函数保留的极小值点间距离之差，选取出现次数最多的距离之差为水平纹理基元周期，记为m；同样方法应用与列距离累加函数，得竖直纹理基元周期，记为n；

第四步、比较水平以及竖直周期关系，修正周期。